Perbandingan Kinerja Metode Median Filter dan Midpoint Filter untuk Mereduksi Noise pada Citra Digital.
PERBANDINGAN KINERJA METODE MEDIAN FILTER
DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA
CITRA DIGITAL
Okada Arle Sandi, T. Sutojo, S.Si, M.Kom
Teknik Informatika
S1 Fakultas Ilmu Komputer
Universitas Dian Nuswantoro
111201105974@mhs.dinus.ac.id, tsutojo@dsn.dinus.ac.id
ABSTRAK
Pada era teknologi posisi gambar telah digeser oleh gambar bergerak atau video
hanya saja penggunaan gambar sebagai media penyimpan sebuah peristiwa tetap berada
pada posisi yang strategis seperti pada bidang kedokteran. Kerusakan pada citra digital
sering terjadi akibat adanya impulse noise. Hal ini disebabkan adanya kesalahan yang
dihasilkan dalam saluran komunikasi atau sensor. Median Filter merupakan salah satu
teknik yang digunakan untuk menghilangkan noise, yaitu dengan memanfaatkan
informasi dari urutan tingkatan data masukan. Midpoint filter merupakan metode filter
yang menekankan pada nilai rata-rata intensitas piksel terbesar dan terkecil kernel. Kedua
metode tersebut bekerja pada domain spasial nonlinier. Pada penelitian ini, peneliti akan
mengimplementasi kedua metode tersebut dengan membandingkan kinerja menggunakan
nilai Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR) dan waktu proses.
Dari hasil seluruh pengujian diperoleh metode median filter dapat dikatakan lebih baik
dibandingkan dengan midpoint filter dalam proses reduksi noise.
Kata kunci : Median Filter, Midpoint Filter, MSE, PSNR, Noise
I. Latar Belakang
Seiring dengan perkembangan teknologi saat ini kebutuhan akan ilmu
pengetahuan semakin meningkat, demikian pula dengan alat-alat yang
diperlukan untuk kebutuhan analisisnya. Contohnya adalah kebutuhan dalam
bidang kedokteran, penginderaan bumi jarak jauh, meteorologi dan geofisika,
dan lain-lain. Bidang-bidang tersebut membutuhkan alat yang bisa digunakan
untuk merekam keadaan yang diperlukan untuk kebutuhan analisis sehingga
1
memungkinkan peneliti mendapatkan informasi yang diperlukan. Output alatalat ini biasanya berupa citra [1].
Metode untuk perbaikan citra karena noise dengan operasi noise reduction
dengan filter tertentu. Noise Reduction atau Reduksi noise adalah suatu metode
untuk mengurangi derau atau noise untuk menghasilkan citra lebih baik[4].
Beberapa metode reduksi noise misalnya Median Filter dan Midpoint Filter.
Median Filter adalah metode reduksi noise yang minitik beratkan pada nilai
median atau nilai tengah dari jumlah total nilai keseluruhan piksel yang ada
disekelilingnya[3]. Midpoint Filter adalah metode reduksi noise dengan cara
mencari nilai maksimum dan minimum dalah suatu citra yang ditentukan oleh
suatu kernel[1].
II.
Rumusan Masalah
Berdasarkan uraian yang telah dikemukakan di atas, maka dapat dirumuskan
masalah yang akan diselesaikan dalam penelitian ini yaitu menerapkan metode
median filter dan midpoint filter pada reduksi noise citra, lalu membandingkan
hasil keduanya dengan menggunakan parameter pembanding Mean Square Error
(MSE), Peak Signal to Noise Ratio (PSNR), dan waktu proses
III.
Tujuan
Berdasarkan rumusan masalah diatas, maka tujuan dari penulisan tugas
akhir ini untuk menerapkan mengetahui perbandingan kinerja metode median
filter dan midpoint filter pada reduksi noise citra dengan menggunakan
parameter Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR) serta
waktu proses kedua metode tersebut.
IV.
Metode yang Digunakan
2
1. Midpoint Filter
Midpoint filter adalah filter yang mencari rata-rata nilai gray level
maksimum dan minimum dalam suatu citra yang ditentukan oleh suatu
kernel. Midpoint filter dapat didefinisikan sebagai berikut :
2. Median Filter
sangat popular dalam pengolahan citra. Filter ini mengganti nilai
piksel dengan median dari nilai intensitas dalam tetangga dari piksel
tersebut. Secara matematis, median filter dapat dinotasikan seperti
berikut :
3. Mean Square Error
Semakin kecil nilai MSE semakin kecil nilai error pada suatu citra.
Rumus MSE dapat dituliskan sebagai berikut :
.(2.6)
3
4. Peak Signal to Noise Ratio
PSNR biasanya diukur dalam satuan desibel, berikut persamaannya :
PSNR = 10 log [
]
(2.7)
Keterangan :
PSNR : nilai Peak Signal to Noise Ratio
MSE
: nilai Mean Squared Error
255 :
5. Proses Reduksi Noise Midpoint
6. Proses Reduksi Noise Median Filter
4
V.
ANALISIS HASIL PENELITIAN
1. Pengukuran Reduksi Noise Menggunakan Midpoint Filter
DATA CITRA
CITRA 1
CITRA 2
CITRA 3
CITRA 4
CITRA 5
CITRA 6
CITRA 7
CITRA 8
CITRA 9
CITRA 10
CITRA 11
CITRA 12
CITRA 13
CITRA 14
CITRA 15
RATA -RATA
MSE
1186.38
973.275
2208.53
11823.6
972.084
5233.92
1279.25
1848.69
3440.96
2264.61
2699.19
2445.38
3310.68
2838.2
1266
2919.383267
NILAI
PSNR
40.038
41.018
33.824
17.046
42.0308
25.1961
39.825
35.602
29.3902
33.573
31.818
32.805
29.7762
31.316
39.389
33.50982
WAKTU
2.173
1.755
3.271
1.262
4.604
1.7401
1.026
4.498
1.999
1.212
4.272
2.282
5.198
1.015
2.1603
2.564493333
Dari hasil pengujian menggunakan midpoint filter terlihat pada tabel 4.19
dimana dengan menggunakan metode midpoint filter menghasilkan ratarata nilai Mean Square Error (MSE) = 2919,383267 db , Peak Signal to
Noise Ratio = 33,50982 db, dan waktu proses menggunakan midpoint filter
2,56449333 s.
2. Pengukuran Reduksi Noise Menggunakan Midpoint Filter
DATA CITRA
CITRA 1
CITRA 2
CITRA 3
MSE
72.07
269.854
129.138
5
NILAI
PSNR
68.048
54.846
62.216
WAKTU
0.696
0.591
1.036
CITRA 4
CITRA 5
CITRA 6
CITRA 7
CITRA 8
CITRA 9
CITRA 10
CITRA 11
CITRA 12
CITRA 13
CITRA 14
CITRA 15
RATA -RATA
2955.3
59.114
7.821
132.878
334.298
69.402
455.275
3.871
96.257
96.753
227.45
95.678
333.6772667
30.911
70.0305
90.257
61.94
52.704
68.426
49.616
97.289
65.155
65.103
56.556
65.215
63.8875
0.456
1.463
0.604
0.363
1.427
0.629
0.425
1.358
0.728
1.587
0.365
0.6801
0.827206667
Dari tabel 4.18 terlihat hasil pengujian dari data citra menggunakan filter
median dan diperoleh hasil rata-rata nilai Mean Square Error (MSE) =
333,6772667 db , nilai Peak Signal to Noise Ratio = 63, 8875 db, dan Waktu
0.827206667
2.564493333
MIDPOINT
FILTER
33.50982
MEDIAN
FILTER
63.8875
TABEL PERBANDINGAN
333.6772667
2919.383267
Proses menggunakan median filter 0,827206667 s
MEDIAN
FILTER
MIDPOINT
FILTER
MEDIAN
FILTER
MIDPOINT
FILTER
MSE
PSNR
WAKTU
Dari grafik perbandingan hasil diatas dapat diperoleh hasil akhir untuk
reduksi noise dalam penelitian ini yaitu metode yang paling baik adalah
median filter dengan rata-rata hasil Mean Square Error (MSE) terkecil ,
6
Nilai Peak Signal to Noise Ratio (PSNR) terbesar dan waktu proses yang
digunakan tercepat sesuai hasil pengujian yang dilakukan.
KESIMPULAN
VI.
1. Berdasarkan hasil dari penelitian reduksi noise pada citra medis
menggunakan metode median filter dan midpoint filter, maka dapat
disimpulkan bahwa melakukan reduksi noise atau derau pada citra digital
dapat dilakukan dengan menggunakan kedua metode yang dipilih dalam
penelitian ini yaitu metode median filter dan midpoint filter. Kedua metode
tersebut dapat menghasilkan citra baru setelah dilakukan pengurangan noise
atau reduksi noise.
2. Pada pengujian data citra digital metode median filter merupakan metode
yang paling baik digunakan dibandingkan dengan midpoint filter dengan
rata-rata nilai Mean Square Error (MSE) = 333,6772667 db , nilai Peak
Signal to Noise Ratio = 63, 8875 db, dan Waktu Proses menggunakan
median filter 0,827206667 s
VII.
SARAN
Berikut merupakan beberapa hal yang perlu diperhatikan untuk
melakukan penelitian lebih lanjut :
1. Penelitian dapat dilanjutkan dengan menggunakan perbandingan
metode filter yang lain dengan obyek penelitian yang sama maupun
berbeda.
2. Penelitian dapat dilanjutkan dengan pengujian menggunakan pilihan
noise yang lain untuk mengetahui kinerja dari metode yang diteliti.
3. Pengembangan aplikasi selanjutnya sehingga dapat digunakan
secara langsung dengan terintegrasi dengan peralatan-peralatan
modern misalkan di bidang kedokteran.
7
VIII. DAFTAR PUSTAKA
[1] T. Sutoyo, Mulyanto, Edy. 2009. Teori Pengolahan Citra Digital. Semarang
: C.V. Andi Offset.
[2] Sholihin, Ricky Aprias. 2013.
Implementasi Median Filter dan Metode
Histogram Equalization dalam Perbaikan Citra , Teknik Elektro. Universitas
Muhammadiyah Surakarta
[3] Pratiwi, Dwi Maryam. 2013.
Aplikasi Perbaikan Kualitas Citra X-ray
Organ Tubuh Manusia Menggunakan Teknik Perataan Histogram , Teknik
Informatika. Universitas Gunadarma
[4] Hermawati, Fajar Astuti. 2013. Pengolahan Citra Digital Konsep &
Teori.Surabaya : C.V. Andi Offset.
[5] Yuwono, Bambang. 2010.
Image Smoothing menggunakan Mean
Filtering, Median Filtering, Modus Filtering & Gaussian Filtering , Teknik
Informatika. UPN Veteran Yogyakarta
[6] Nurul Fuad, Melita, Yuliana. 2012.
Analisa Perbandingan Metode Low-
Pass Filter dengan Median Filter untuk Optimalisasi Kualitas Citra Digital ,
Magister Teknologi Informasi. Institut Saint Terapan & Teknologi Surabaya
8
DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA
CITRA DIGITAL
Okada Arle Sandi, T. Sutojo, S.Si, M.Kom
Teknik Informatika
S1 Fakultas Ilmu Komputer
Universitas Dian Nuswantoro
111201105974@mhs.dinus.ac.id, tsutojo@dsn.dinus.ac.id
ABSTRAK
Pada era teknologi posisi gambar telah digeser oleh gambar bergerak atau video
hanya saja penggunaan gambar sebagai media penyimpan sebuah peristiwa tetap berada
pada posisi yang strategis seperti pada bidang kedokteran. Kerusakan pada citra digital
sering terjadi akibat adanya impulse noise. Hal ini disebabkan adanya kesalahan yang
dihasilkan dalam saluran komunikasi atau sensor. Median Filter merupakan salah satu
teknik yang digunakan untuk menghilangkan noise, yaitu dengan memanfaatkan
informasi dari urutan tingkatan data masukan. Midpoint filter merupakan metode filter
yang menekankan pada nilai rata-rata intensitas piksel terbesar dan terkecil kernel. Kedua
metode tersebut bekerja pada domain spasial nonlinier. Pada penelitian ini, peneliti akan
mengimplementasi kedua metode tersebut dengan membandingkan kinerja menggunakan
nilai Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR) dan waktu proses.
Dari hasil seluruh pengujian diperoleh metode median filter dapat dikatakan lebih baik
dibandingkan dengan midpoint filter dalam proses reduksi noise.
Kata kunci : Median Filter, Midpoint Filter, MSE, PSNR, Noise
I. Latar Belakang
Seiring dengan perkembangan teknologi saat ini kebutuhan akan ilmu
pengetahuan semakin meningkat, demikian pula dengan alat-alat yang
diperlukan untuk kebutuhan analisisnya. Contohnya adalah kebutuhan dalam
bidang kedokteran, penginderaan bumi jarak jauh, meteorologi dan geofisika,
dan lain-lain. Bidang-bidang tersebut membutuhkan alat yang bisa digunakan
untuk merekam keadaan yang diperlukan untuk kebutuhan analisis sehingga
1
memungkinkan peneliti mendapatkan informasi yang diperlukan. Output alatalat ini biasanya berupa citra [1].
Metode untuk perbaikan citra karena noise dengan operasi noise reduction
dengan filter tertentu. Noise Reduction atau Reduksi noise adalah suatu metode
untuk mengurangi derau atau noise untuk menghasilkan citra lebih baik[4].
Beberapa metode reduksi noise misalnya Median Filter dan Midpoint Filter.
Median Filter adalah metode reduksi noise yang minitik beratkan pada nilai
median atau nilai tengah dari jumlah total nilai keseluruhan piksel yang ada
disekelilingnya[3]. Midpoint Filter adalah metode reduksi noise dengan cara
mencari nilai maksimum dan minimum dalah suatu citra yang ditentukan oleh
suatu kernel[1].
II.
Rumusan Masalah
Berdasarkan uraian yang telah dikemukakan di atas, maka dapat dirumuskan
masalah yang akan diselesaikan dalam penelitian ini yaitu menerapkan metode
median filter dan midpoint filter pada reduksi noise citra, lalu membandingkan
hasil keduanya dengan menggunakan parameter pembanding Mean Square Error
(MSE), Peak Signal to Noise Ratio (PSNR), dan waktu proses
III.
Tujuan
Berdasarkan rumusan masalah diatas, maka tujuan dari penulisan tugas
akhir ini untuk menerapkan mengetahui perbandingan kinerja metode median
filter dan midpoint filter pada reduksi noise citra dengan menggunakan
parameter Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR) serta
waktu proses kedua metode tersebut.
IV.
Metode yang Digunakan
2
1. Midpoint Filter
Midpoint filter adalah filter yang mencari rata-rata nilai gray level
maksimum dan minimum dalam suatu citra yang ditentukan oleh suatu
kernel. Midpoint filter dapat didefinisikan sebagai berikut :
2. Median Filter
sangat popular dalam pengolahan citra. Filter ini mengganti nilai
piksel dengan median dari nilai intensitas dalam tetangga dari piksel
tersebut. Secara matematis, median filter dapat dinotasikan seperti
berikut :
3. Mean Square Error
Semakin kecil nilai MSE semakin kecil nilai error pada suatu citra.
Rumus MSE dapat dituliskan sebagai berikut :
.(2.6)
3
4. Peak Signal to Noise Ratio
PSNR biasanya diukur dalam satuan desibel, berikut persamaannya :
PSNR = 10 log [
]
(2.7)
Keterangan :
PSNR : nilai Peak Signal to Noise Ratio
MSE
: nilai Mean Squared Error
255 :
5. Proses Reduksi Noise Midpoint
6. Proses Reduksi Noise Median Filter
4
V.
ANALISIS HASIL PENELITIAN
1. Pengukuran Reduksi Noise Menggunakan Midpoint Filter
DATA CITRA
CITRA 1
CITRA 2
CITRA 3
CITRA 4
CITRA 5
CITRA 6
CITRA 7
CITRA 8
CITRA 9
CITRA 10
CITRA 11
CITRA 12
CITRA 13
CITRA 14
CITRA 15
RATA -RATA
MSE
1186.38
973.275
2208.53
11823.6
972.084
5233.92
1279.25
1848.69
3440.96
2264.61
2699.19
2445.38
3310.68
2838.2
1266
2919.383267
NILAI
PSNR
40.038
41.018
33.824
17.046
42.0308
25.1961
39.825
35.602
29.3902
33.573
31.818
32.805
29.7762
31.316
39.389
33.50982
WAKTU
2.173
1.755
3.271
1.262
4.604
1.7401
1.026
4.498
1.999
1.212
4.272
2.282
5.198
1.015
2.1603
2.564493333
Dari hasil pengujian menggunakan midpoint filter terlihat pada tabel 4.19
dimana dengan menggunakan metode midpoint filter menghasilkan ratarata nilai Mean Square Error (MSE) = 2919,383267 db , Peak Signal to
Noise Ratio = 33,50982 db, dan waktu proses menggunakan midpoint filter
2,56449333 s.
2. Pengukuran Reduksi Noise Menggunakan Midpoint Filter
DATA CITRA
CITRA 1
CITRA 2
CITRA 3
MSE
72.07
269.854
129.138
5
NILAI
PSNR
68.048
54.846
62.216
WAKTU
0.696
0.591
1.036
CITRA 4
CITRA 5
CITRA 6
CITRA 7
CITRA 8
CITRA 9
CITRA 10
CITRA 11
CITRA 12
CITRA 13
CITRA 14
CITRA 15
RATA -RATA
2955.3
59.114
7.821
132.878
334.298
69.402
455.275
3.871
96.257
96.753
227.45
95.678
333.6772667
30.911
70.0305
90.257
61.94
52.704
68.426
49.616
97.289
65.155
65.103
56.556
65.215
63.8875
0.456
1.463
0.604
0.363
1.427
0.629
0.425
1.358
0.728
1.587
0.365
0.6801
0.827206667
Dari tabel 4.18 terlihat hasil pengujian dari data citra menggunakan filter
median dan diperoleh hasil rata-rata nilai Mean Square Error (MSE) =
333,6772667 db , nilai Peak Signal to Noise Ratio = 63, 8875 db, dan Waktu
0.827206667
2.564493333
MIDPOINT
FILTER
33.50982
MEDIAN
FILTER
63.8875
TABEL PERBANDINGAN
333.6772667
2919.383267
Proses menggunakan median filter 0,827206667 s
MEDIAN
FILTER
MIDPOINT
FILTER
MEDIAN
FILTER
MIDPOINT
FILTER
MSE
PSNR
WAKTU
Dari grafik perbandingan hasil diatas dapat diperoleh hasil akhir untuk
reduksi noise dalam penelitian ini yaitu metode yang paling baik adalah
median filter dengan rata-rata hasil Mean Square Error (MSE) terkecil ,
6
Nilai Peak Signal to Noise Ratio (PSNR) terbesar dan waktu proses yang
digunakan tercepat sesuai hasil pengujian yang dilakukan.
KESIMPULAN
VI.
1. Berdasarkan hasil dari penelitian reduksi noise pada citra medis
menggunakan metode median filter dan midpoint filter, maka dapat
disimpulkan bahwa melakukan reduksi noise atau derau pada citra digital
dapat dilakukan dengan menggunakan kedua metode yang dipilih dalam
penelitian ini yaitu metode median filter dan midpoint filter. Kedua metode
tersebut dapat menghasilkan citra baru setelah dilakukan pengurangan noise
atau reduksi noise.
2. Pada pengujian data citra digital metode median filter merupakan metode
yang paling baik digunakan dibandingkan dengan midpoint filter dengan
rata-rata nilai Mean Square Error (MSE) = 333,6772667 db , nilai Peak
Signal to Noise Ratio = 63, 8875 db, dan Waktu Proses menggunakan
median filter 0,827206667 s
VII.
SARAN
Berikut merupakan beberapa hal yang perlu diperhatikan untuk
melakukan penelitian lebih lanjut :
1. Penelitian dapat dilanjutkan dengan menggunakan perbandingan
metode filter yang lain dengan obyek penelitian yang sama maupun
berbeda.
2. Penelitian dapat dilanjutkan dengan pengujian menggunakan pilihan
noise yang lain untuk mengetahui kinerja dari metode yang diteliti.
3. Pengembangan aplikasi selanjutnya sehingga dapat digunakan
secara langsung dengan terintegrasi dengan peralatan-peralatan
modern misalkan di bidang kedokteran.
7
VIII. DAFTAR PUSTAKA
[1] T. Sutoyo, Mulyanto, Edy. 2009. Teori Pengolahan Citra Digital. Semarang
: C.V. Andi Offset.
[2] Sholihin, Ricky Aprias. 2013.
Implementasi Median Filter dan Metode
Histogram Equalization dalam Perbaikan Citra , Teknik Elektro. Universitas
Muhammadiyah Surakarta
[3] Pratiwi, Dwi Maryam. 2013.
Aplikasi Perbaikan Kualitas Citra X-ray
Organ Tubuh Manusia Menggunakan Teknik Perataan Histogram , Teknik
Informatika. Universitas Gunadarma
[4] Hermawati, Fajar Astuti. 2013. Pengolahan Citra Digital Konsep &
Teori.Surabaya : C.V. Andi Offset.
[5] Yuwono, Bambang. 2010.
Image Smoothing menggunakan Mean
Filtering, Median Filtering, Modus Filtering & Gaussian Filtering , Teknik
Informatika. UPN Veteran Yogyakarta
[6] Nurul Fuad, Melita, Yuliana. 2012.
Analisa Perbandingan Metode Low-
Pass Filter dengan Median Filter untuk Optimalisasi Kualitas Citra Digital ,
Magister Teknologi Informasi. Institut Saint Terapan & Teknologi Surabaya
8